Article Per Year (5 Year)
p-Index From 2021 - 2026
2.56
P-Index
This Author published in this journals
All Journal Jurnal Informatika Jurnal Pilar Nusa Mandiri Jurnal Sains dan Informatika JITK (Jurnal Ilmu Pengetahuan dan Komputer) Techno Nusa Mandiri : Journal of Computing and Information Technology Informatik : Jurnal Ilmu Komputer Jurnal Riset Informatika INTI Nusa Mandiri Jurnal Manajemen Informatika dan Sistem Informasi Jurnal Teknik Informatika C.I.T. Medicom Jurnal Pengabdian Masyarakat Bangsa
M. Rangga Ramadhan Saelan
Universitas Nusa Mandiri
Agriculture, Biological Sciences & Forestry Arts Humanities Civil Engineering, Building, Construction & Architecture Computer Science & IT Economics, Econometrics & Finance Education Energy Engineering Health Professions Industrial & Manufacturing Engineering Law, Crime, Criminology & Criminal Justice Mathematics Medicine & Pharmacology Nursing Physics Public Health Social Sciences

Published : 18 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 18 Documents
Search

 1   2 
TELEMARKETING BANK SUCCESS PREDICTION USING MULTILAYER PERCEPTRON (MLP) ALGORITHM WITH RESAMPLING Masturoh, Siti; Nugraha, Fitra Septia; Nurlela, Siti; Saelan, M. Rangga Ramadhan; Saputri, Daniati Uki Eka; Nurfalah, Ridan
Jurnal Pilar Nusa Mandiri Vol 17 No 1 (2021): Pilar Nusa Mandiri : Journal of Computing and Information System Publishing Peri
Publisher : LPPM Universitas Nusa Mandiri

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33480/pilar.v17i1.2168

Abstract

Telemarketing is a promotion that is considered effective for promoting a product to consumers by telephone, other than that telemarketing is easier to accept because of its direct nature of offering products to consumers. Telemarketing is also considered to help increase a company's revenue. The problem of predicting the success of a bank's telemarketing data must be done using machine learning techniques. Machine learning used in the available historical data is a bank dataset of 45211 instances at 17 features using the multilayer perceptron algorithm (MLP) with resampling. The use of resampling aims to balance the unbalanced data resulting in an accuracy value of 90.18% and a ROC of 0.89%. Meanwhile, if the data resampling is not used in the multilayer perceptron (MLP) algorithm, the accuracy value is 88.6 and ROC is 0.88%. The use of resampling data becomes more effective and results in higher accuracy values.
K-BEST SELECTION UNTUK MENINGKATKAN KINERJA ARTIFICIAL NEURAL NETWORK DALAM MEMPREDIKSI RANGE HARGA PONSEL Saelan, M. Rangga Ramadhan; Subekti, Agus
INTI Nusa Mandiri Vol. 19 No. 1 (2024): INTI Periode Agustus 2024
Publisher : Lembaga Penelitian dan Pengabdian Pada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33480/inti.v19i1.5554

Abstract

Determining the price of a mobile phone that will be released to the market cannot be based on assumptions alone. This problem can be overcome by utilizing machine learning. In this study, what is predicted is not the exact price, but rather the price range of a cellphone based on the specifications that are its attributes. In machine learning, the Deep Learning ANN model will be used to predict the price range of a mobile phone. To understand the relationship between features and labels, the Univariate feature selection method SelectKBest is used which will calculate the correlation value between features and labels. In this study, the best performance was obtained from the ANN model with feature selection and hyperparameter tuning, the evaluation of performance metrics obtained the highest accuracy of 97.5%. Experiments were conducted by building several models to compare until there was one model that performed well in processing training and validation data. Model evaluation is presented using confusion metrics with various types of performance metrics: accuracy, precision, recall and f1-score. This study also aims to evaluate the effectiveness of the SelectKBest feature selection method in improving model accuracy and testing various hyperparameter configurations to obtain the best performance.
Pelatihan Artificial Intelligence Dalam Membuat Power Point Pada Remaja Masjid Baitul Halim Hasanah, Riyan Latifahul; Kuntoro, Antonius Yadi; Saelan, M. Rangga Ramadhan; Anasanti, Mila Desi
Jurnal Pengabdian Masyarakat Bangsa Vol. 2 No. 8 (2024): Oktober
Publisher : Amirul Bangun Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59837/jpmba.v2i8.1475

Abstract

Pengembangan ilmu pengetahuan dan teknologi (IPTEK) memberikan peran dalam meningkatkan kesejahteraan dan perekonomian masyarakat. Salah satu bidang yang dapat merasakan kehadiran teknologi yaitu bidang pendidikan organisasi kemasyarakatan, termasuk pada organisasi Remaja Masjid Baitul Halim Jakarta Selatan. Untuk mengelola data organisasi diperlukan kemampuan administrasi yang baik, sehingga data bisa tertata dengan baik dan keberlanjutan bagi kegiatan organisasi. Dalam rangka menunaikan salah satu Tri Dharma Perguruan Tinggi, maka Universitas Nusa Mandiri melaksanakan Pengabdian Masyarakat berupa Pelatihan Artificial Intelligence Dalam Membuat Power Point untuk memudahkan proses pemaparan program kerja dan juga sebagai media promosi dan publikasi organisasi. Metode pengabdian masyarakat terdiri dari 4 tahapan, yaitu persiapan, pelaksanaan, evaluasi dan pelaporan. Adapun peserta kegiatan ini adalah para anggota Remaja Masjid Baitul Halim yang mengikuti pelatihan komputer secara offline. Dengan pelatihan ini, peserta merasakan manfaat kehadiran teknologi dimana dapat membantu kegiatan sosial, pendidikan dan keagamaan bagi organisasi. Pemanfaatan AI dalam pembuatan Power Point dapat digunakan untuk membuat presentasi yang menarik dalam slide yang bisa dimodifikasi sesuai kebutuhan.
Optimization of academic performance prediction using linear regression with selectk-best Saelan, M. Rangga Ramadhan
Jurnal Teknik Informatika C.I.T Medicom Vol 16 No 6 (2025): January : Intelligent Decision Support System (IDSS)
Publisher : Institute of Computer Science (IOCS)

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.35335/cit.Vol16.2025.994.pp386-393

Abstract

This study discusses the prediction of student performance by considering factors that can influence academic performance. In this research, the SelectK-Best feature selection technique and linear regression were used to enhance the accuracy of the prediction. The selection of this topic is based on the importance of understanding the factors that influence student performance and how feature selection can help build more efficient models. The methods applied in this study include data exploration through EDA, the use of SelectK-Best to select the most significant features, and linear regression to build the prediction model. The evaluation metrics show that the model with feature selection achieved MAE of 0.6293, MSE of 0.5945, RMSE of 0.7711, and R² Score of 0.9144, demonstrating the model's excellent performance. In contrast, the model without feature selection did not produce better results than the model with feature selection. This emphasizes the importance of applying feature selection techniques in building more accurate prediction models. This study contributes to predicting student performance through the use of systematic and effective methods, while also opening opportunities for further research in the context of education and more diverse data.
Pelatihan Pembuatan Curriculum Vitae Berbasis AI untuk Mempersiapkan Karier di Era Society 5.0 Hasanah, Riyan Latifahul; Saputri, Daniati Uki Eka; Saelan, M. Rangga Ramadhan
Jurnal Pengabdian Masyarakat Bangsa Vol. 3 No. 3 (2025): Mei
Publisher : Amirul Bangun Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59837/jpmba.v3i3.2372

Abstract

Di tengah arus transformasi digital ini, persiapan karier tidak lagi cukup hanya mengandalkan kemampuan teknis dan akademik semata, tetapi juga memerlukan keterampilan dalam memanfaatkan teknologi untuk mempromosikan diri dan kompetensi yang dimiliki. Kegiatan pengabdian kepada masyarakat ini bertujuan untuk meningkatkan literasi digital dan kesiapan karier generasi muda melalui pelatihan pembuatan curriculum vitae berbasis artificial intelligence (AI). Kegiatan ini diselenggarakan oleh dosen Fakultas Teknologi Informasi Universitas Nusa Mandiri, berkolaborasi dengan Yayasan Kopia Raya Insani, sebuah lembaga sosial yang memiliki fokus pada pengembangan sumber daya manusia melalui pendidikan, keagamaan, dan kegiatan sosial kemanusiaan. Permasalahan yang dihadapi mitra yaitu kurangnya pemanfaatan teknologi digital berbasis kecerdasan buatan (AI), khususnya untuk mempersiapan karier secara profesional. Pelatihan ini mengenalkan dan mengoptimalkan penggunaan Rezi AI sebagai sebuah platform berbasis kecerdasan buatan yang dirancang untuk membantu para pencari kerja dalam membuat resume, surat lamaran, dan mempersiapkan diri untuk wawancara kerja. Metode pelatihan dilakukan melalui ceramah interaktif, diskusi, dan praktik langsung menggunakan Rezi AI. Dengan pelatihan ini, peserta mampu mengembangkan kemampuan mendesain curriculum vitae (CV) secara mandiri sebagai bagian dari upaya mempersiapkan diri menghadapi tantangan dunia kerja masa kini. Luaran yang dihasilkan berupa press release pada media masa elektronik dan artikel ilmiah yang diterbitkan di Jurnal pengabdian masyarakat.
Deep Learning dengan ResNet50 untuk Sistem Rekomendasi Fashion Berbasis Citra Rahmawati, Dewi; Setiawan, Kanaya Salsabila; Reynaldy, Muhammad Fahreza; Ramadhan, Rangga
Informatik : Jurnal Ilmu Komputer Vol 21 No 2 (2025): Agustus 2025
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v21i2.11967

Abstract

Perkembangan industri fashion yang pesat menuntut sistem rekomendasi yang tidak hanya akurat, tetapi juga mampu memahami preferensi visual pengguna. Sistem rekomendasi berbasis teks seringkali menghadapi keterbatasan dalam menangkap konteks visual yang kompleks, sehingga pendekatan berbasis citra menjadi solusi yang lebih relevan. Penelitian ini bertujuan untuk membangun sistem Smart Recommendation Search Engine berbasis visual dengan memanfaatkan model Convolutional Neural Network (CNN) ResNet50 sebagai feature extractor dan dataset DeepFashion. ResNet50 digunakan untuk mengekstraksi vektor fitur dari gambar produk fashion, yang kemudian dimanfaatkan dalam pencarian gambar serupa menggunakan algoritma K-Nearest Neighbors (KNN). Proses penelitian mencakup pra-pemrosesan data, ekstraksi fitur visual, pencarian kemiripan berbasis metrik kemiripan kosinus (cosine similarity), serta evaluasi sistem menggunakan metrik precision dan recall pada top-K results (hasil teratas). Hasil pengujian menunjukkan bahwa metrik cosine similarity memberikan performa terbaik dalam menemukan gambar dengan kemiripan visual tinggi, dengan nilai precision pada satu hasil teratas (precision at top-1) sebesar 0,230. Sistem yang dikembangkan berhasil mengidentifikasi produk fashion serupa secara visual dan mendukung pengalaman belanja yang lebih personal. Temuan ini menegaskan potensi pendekatan berbasis visual dalam meningkatkan akurasi sistem rekomendasi serta mendukung gaya hidup berkelanjutan.
Pelatihan Optimalisasi Promosi melalui Desain Pamflet dan Website WordPress terhadap UMKM Saelan, M Rangga Ramadhan; Hasanah, Riyan Latifahul; Pratiwi, Risca Lusiana
Jurnal Pengabdian Masyarakat Bangsa Vol. 3 No. 9 (2025): November
Publisher : Amirul Bangun Bangsa

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.59837/jpmba.v3i9.3418

Abstract

UMKM merupakan salah satu penggerak utama perekonomian masyarakat, namun dalam pelaksanaannya seringkali menghadapi kendala dalam strategi promosi yang efektif dan modern. Banyak pelaku UMKM hanya mengandalkan cara konvensional, sementara pemanfaatan media digital seperti pamflet desain kreatif dan website berbasis WordPress belum maksimal. Kondisi ini menunjukkan urgensi akan adanya pendampingan yang mampu meningkatkan keterampilan promosi berbasis teknologi. Kegiatan pengabdian masyarakat ini bertujuan untuk memberikan pelatihan kepada pelaku UMKM dalam mendesain pamflet promosi yang komunikatif serta membuat dan mengelola website sederhana berbasis WordPress. Melalui pendekatan workshop interaktif dan pendampingan langsung, diharapkan peserta mampu menghasilkan media promosi yang menarik, mudah diakses, dan efektif dalam memperluas jangkauan pemasaran. Luaran yang ditargetkan dari kegiatan ini adalah meningkatnya kemampuan UMKM dalam mendesain pamflet promosi, tersedianya website berbasis WordPress sebagai media informasi usaha, serta peningkatan daya saing UMKM di era digital. Dengan adanya kegiatan ini, UMKM diharapkan dapat lebih adaptif terhadap perkembangan teknologi informasi sekaligus memperkuat posisi mereka dalam persaingan pasar.
OPTIMALISASI PREDIKSI JARAK TEMPUH KENDARAAN LISTRIK MENGGUNAKAN XGBOOST DAN FEATURE SELECTION RANDOM FOREST Saelan, M. Rangga Ramadhan; Hasanah, Riyan Latifahul; Fauziah, Siti
INTI Nusa Mandiri Vol. 20 No. 2 (2026): INTI Periode Februari 2026
Publisher : Lembaga Penelitian dan Pengabdian Pada Masyarakat

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.33480/zahvvq98

Abstract

Electric vehicle (EV) adoption is increasing with increasing awareness of clean energy and environmental concerns. However, range anxiety, the uncertainty in estimating driving range, remains a major barrier. This study aims to develop a predictive model for EV range based on technical specifications to provide more accurate estimates and alleviate user concerns. A Machine Learning approach is applied, using Random Forest for feature selection and XGBoost as the primary prediction algorithm. The dataset consists of 478 EV records with 22 attributes, including battery capacity, efficiency, dimensions, and speed. Key features affecting range prediction include battery_capacity_kWh, efficiency_wh_per_km, and height_mm. The XGBoost model demonstrates strong predictive performance with an R² of 0.978, an MAE of 10.555, and an RMSE of 15.180. These results suggest that combining Random Forest and XGBoost offers a promising solution to improve the accuracy of EV range estimation, potentially reducing range anxiety and supporting wider EV adoption
Co-Authors Agus Subekti Agustiani, Sarifah Ahmad Hafidzul Kahfi Ali Mustopa, Ali Anasanti, Mila Desi Antonius Yadi Kuntoro Daniati Uki Eka Saputri Deni Anugrah Sahputra DEWI RAHMAWATI Gata, Windu Hasanah, Riyan Latifahul Hendri Mahmud Nawawi Lilyani Asri Utami, Lilyani Asri Muhammad Hilman Fakhriza Muhammad Iqbal Muhammad Sony Maulana Nawawi, Hendri Mahmud Nugraha, Fitra Septia Nurfalah, Ridan Nurmalasari Nurmalasari Nurwijayanti Pratiwi, Risca Lusiana Reynaldy, Muhammad Fahreza Ridan Nurfalah Risca Lusiana Pratiwi Risca Lusiana Pratiwi Setiawan, Kanaya Salsabila Siti Fauziah Siti Khotimatul Wildah Siti Masturoh Siti Masturoh Siti Masturoh Siti Masturoh siti nurlela Taopik Hidayat Tomi Lifti Novier Tuti Haryanti Ummu Radiyah Widiastuti Widiastuti Widiastuti Widiastuti Widiastuti Widiastuti Windu Gata Yudhistira Yudhistira Yusuf Arif Setiawan